基于无人机高光谱成像的冬小麦水氮耦合决策模型构建与优化研究

本研究创新性地利用无人机高光谱成像技术，通过机器学习算法（SPA-RF/VIs-RF）精准反演叶片含水量（LWC）和叶绿素含量（SPAD），建立LWC-土壤含水量（SWC）与SPAD-叶片氮含量（LNC）的转化模型（R2>0.78），最终构建水氮耦合决策模型（平均R2=0.91），为实现冬小麦全生育期水氮精准管理提供技术支撑。

　　

^hHighlight^/h

^hConstruction of water-nitrogen-yield three-dimensional model^/h

在相同灌溉处理下，2022-2023年N3处理（适量施氮）的产量高于N4（过量施氮），表明过量氮肥会抑制产量形成。然而在2023-2024年，N4产量反超N3，两者差异微小。在相同施氮条件下，两个年度产量均随灌溉量增加而逐步提升，最高产量均出现在充分灌溉（W100）与高氮组合（N3/N4）处理中。通过三维建模解析水氮互作效应，发现水氮耦合存在显著协同效应——适宜的水分供应能增强氮素吸收效率，而合理氮肥施用可提升水分利用效率（WUE），二者协同调控最终实现产量最大化。

^hConstruction and optimization of the water-nitrogen coupling model^/h

高光谱遥感技术凭借其丰富的光谱信息，成为精准农业（PA）中获取土壤与作物关键参数的核心手段。本研究利用无人机高光谱数据动态反演SWC和LNC，精准捕捉冬小麦各生育阶段的水氮需求变化。研究表明，基于随机森林（RF）算法构建的水氮耦合模型，以SWC、LNC和产量作为输入变量，在关键生育期实现平均R2=0.91的预测精度。该模型通过整合高光谱反演数据与田间实测值，展现出卓越的适应性与稳定性，能够动态优化灌溉与追氮策略，为实现目标产量下的水氮精准调控提供智慧决策方案。

^hConclusions^/h

本研究基于无人机遥感数据成功构建冬小麦水氮耦合模型，实现全生育期水氮协同管理。主要结论包括：

（1）采用RF算法构建以SWC、LNC和产量为输入变量的水氮耦合模型，在关键生育期平均R2达0.91；

（2）SPA-RF（LWC反演R2=0.83）与VIs-RF（SPAD反演R2=0.65）组合分别为水分和氮素监测最优模型；

（3）通过LWC-SWC（R2=0.79）与SPAD-LNC（R2=0.78）转化模型，实现无人机遥感数据向土壤水分与植株氮含量的高效映射。